( en | de | ru )

 

Disambiguierung von "Viano, Luca"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Understanding Deep Neural Function Approximation in Reinforcement Learning via ε-Greedy Exploration.

, , und . CoRR, (2022)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Luca Rizzini

Luca Tranchini

Luca Tuninetti

Alfonz Luca

Luca Criscuolo

 

Weitere Publikationen von Autoren mit dem selben Namen

Understanding Deep Neural Function Approximation in Reinforcement Learning via ε-Greedy Exploration., , und . CoRR, (2022)Proximal Point Imitation Learning., , , , und . NeurIPS, (2022)Semi Bandit dynamics in Congestion Games: Convergence to Nash Equilibrium and No-Regret Guarantees., , , , und . ICML, Volume 202 von Proceedings of Machine Learning Research, Seite 26904-26930. PMLR, (2023)Imitation Learning in Discounted Linear MDPs without exploration assumptions., , und . ICML, OpenReview.net, (2024)Understanding Deep Neural Function Approximation in Reinforcement Learning via $\epsilon$-Greedy Exploration., , und . NeurIPS, (2022)Robust Inverse Reinforcement Learning under Transition Dynamics Mismatch., , , , und . NeurIPS, Seite 25917-25931. (2021)Identifiability and generalizability from multiple experts in Inverse Reinforcement Learning., , , , und . NeurIPS, (2022)What can online reinforcement learning with function approximation benefit from general coverage conditions?, , und . ICML, Volume 202 von Proceedings of Machine Learning Research, Seite 22063-22091. PMLR, (2023)Robust Learning from Observation with Model Misspecification., , , , , und . AAMAS, Seite 1337-1345. International Foundation for Autonomous Agents and Multiagent Systems (IFAAMAS), (2022)A Natural Actor-Critic Framework for Zero-Sum Markov Games., , , und . ICML, Volume 162 von Proceedings of Machine Learning Research, Seite 307-366. PMLR, (2022)